首页 文章 精选 留言 我的

精选列表

搜索[幻灯片视图],共8830篇文章
优秀的个人博客,低调大师

gitlab+jenkins+maven+docker持续集成(八)——jenkins用户组权限对应不同视图

首先安装插件 Role-based Authorization Strategy 安装后在Configure Global Security选择 然后进行系统管理 1、Manage Roles 我这里创建Test_Group这个组,注意Project roles这里的Pattern Test.*这个意思就是在试图里含有Test开头的项目的权限。(注意是Test.*形式语法) 2、Assign Roles 这里选择我们创建好的用户,并加到Test_group里面 然后我们用该用户登录,发现只能看到Test头的项目了。 本文转自 jackjiaxiong 51CTO博客,原文链接:http://blog.51cto.com/xiangcun168/1958961

优秀的个人博客,低调大师

专题地图的立体表达-基于QGIS和PPT的“千层饼”视图制作实践

在信息爆炸的时代,数据的可视化呈现变得愈发关键,而专题地图作为传递地理空间信息的有力工具,正不断进化以满足人们日益增长的直观理解需求。从资源分布的精准定位,到疫情传播的时空轨迹描绘,再到选举结果的地域差异展示,专题地图以其独特的方式,将复杂数据与地理区域紧密结合,为决策制定、学术研究、公众传播等众多领域提供关键支撑。传统二维专题地图虽然在信息传递上发挥了巨大作用,但随着展示需求的多样化与人们对视觉体验要求的提升,其局限性逐渐显现。立体表达的专题地图应运而生,它能够更生动地展现地形的起伏变化、城市建筑的高低错落、不同数据主题在空间上的层次关系等,让读者在观看地图的瞬间,仿佛置身于真实的三维地理空间之中,极大地增强了信息的感知与吸收效率。相信GIS行业的从业者一定在相关论文和科研分享会上经常看到以下的专题地图:

优秀的个人博客,低调大师

手绘效果为图表添色,cutecharts带你画Q版可视图|可视化系列04

本文内容框架 cutecharts简介 Matplotlib默认主题下绘制的可视化图形如一位高贵冷艳、不沾烟火的冰山女神,而cutecharts的图就像不拘常规、潇洒无羁的活力少年。 纤尘不染vs洒脱无畏 cutecharts[1]是基于chart.xkcd的Python可视化库,chart.xkcd[2]则是基于SVG来绘制可视化图表的JavaScript库,cutecharts充分利用了JavaScript灵活易用的特点,通过简单的语句让可视化图形有强大的表现力和优秀的交互效果,对操作系统和设备的依赖很低。 cutecharts进行可视化的基本代码框架如下: import cutecharts.charts as ctcdf=pd.DataFrame({'x':['Mon.','Tue.','Wed.','Thu.','Fri.'], 'y':[76,37,90,60,50], 'z':[37,46,53,81,60]})chart = ctc.Line("title",width='500px',height='400px') #新建折线图chart.set_options( labels=list(df['x']), #注意输入的是可迭代对象,但直接df['x']不行 x_label="Weekday", y_label="US" )chart.add_series("This Week", list(df['y'])) #同样不能直接df['y']chart.add_series("Last Week", list(df['z']))chart.render_notebook() cutecharts通过charts建立绘图对象,应用层的类有Line/Bar/Scatter等5个, 在语法上,通过charts.Line("title",width,height)建立折线图对象,设置标题、图表大小,然后统一通过.add_series()传入各坐标轴的数据,通过.set_options()设置各种图表参数,如坐标轴标签、轴标题和图元颜色等。set_options和add_series的语句顺序可以调换。chart.render_notebook()将图在jupyter notebook中渲染出来。 Line 绘制一个折线图的代码和绘图效果上面已经提到,add_series()对应一条线,多个add_series()就是在图中绘制多条折线。.set_options()可以设置的参数如下: •labels:X坐标轴的数据,输入的是可迭代对象,但直接df['x']不行,不支持Series;•x_label/y_label:分别对应X坐标轴名称和Y坐标轴名称;•y_tick_count:Y轴刻度分割段数;•colors 颜色数组,支持满足CSS样式的各种颜色输入方式;•legend_pos:图例位置,可选四个位置{"upLeft", "upRight", "downLeft", "downRight"},默认upLeft;•font_family:设置文本的字体; 图像输出 我们通过.Line()创建图并且通过.add_series()及.set_options()设置数据及图元之后,通过chart.render("fname.html")输出为本地的HTML文档,打开HTML就是一个可视化图像。render的参数有dest表示输出文件的路径,template_name表示渲染所用的模板。chart.render_notebook()是在jupyter notebook中直接出图。chart.load_javascript()加载 JS 依赖,在 JupyterLab 渲染时用。 Scatter Scatter用于绘制散点图,例子代码及绘图效果如下: chart = ctc.Scatter('title',width='500px',height='400px')chart.set_options( x_label="xlabel", y_label="ylabel" , colors=['#1EAFAE','#BA5C25'], dot_size=1)chart.add_series("y",[(c['y'],c['z']) for i,c in df.iterrows()])chart.add_series("dy",[(c['z'],c['y']) for i,c in df.iterrows()])chart.render_notebook() .set_options()支持设置的参数如下: •x_label/y_label:分别对应X坐标轴名称和Y坐标轴名称;•x_tick_count/y_tick_count:X轴和Y轴刻度分割段数;•is_show_line:是否绘制散点连线的效果;•dot_size 目前没有点的形状?•colors 颜色数组,如果是一个颜色也要写成['#1EAFAE']形式;•time_format:日期数据类型的展示格式;•legend_pos:图例位置,可选四个位置{"upLeft", "upRight", "downLeft", "downRight"},默认upLeft;•font_family:设置文本的字体; 根据上面的参数解释,需要说明的是,绘制带端点的折线用的是Scatter并设置is_show_line=True,而不是用Line()。 散点图的add_series输入的是[(x1,y1), (x2,y2)] 这样的数据数组,使用时要符合其格式。 Bar ctc.Bar()用于绘制柱状图。例子代码及绘图效果如下: chart = ctc.Bar('title',width='500px',height='400px')chart.set_options( labels=list(df['x']), x_label="Weekday", y_label="US" , colors=['#1EAFAE' for i in range(len(df))] )chart.add_series("y",list(df['y']))chart.add_series("z",list(df['z']))chart.render_notebook() .set_options()支持设置的参数如下: Pie ctc.Pie()用于绘制饼图。例子代码及绘图效果如下: chart = ctc.Pie('title',width='500px',height='400px')chart.set_options( labels=list(df['x']), inner_radius=0 )chart.add_series(list(df['y'])) #只接受一个参数,也就是数据列chart.render_notebook() 和之前的图不同的是,Pie的.add_series()只接受一个参数,也就是数据列。.set_options()支持设置的参数如下: Radar ctc.Radar()用于绘制雷达图。例子代码及绘图效果如下: chart = ctc.Radar('Radar',width='700px',height='600px')chart.set_options( labels=list(df['x']), legend_pos='upRight' )chart.add_series('y',list(df['y']))chart.add_series("z",list(df['z']))chart.render_notebook() .set_options()支持设置的参数如下: chart.xkcd cutecharts基于chart.xkcd进行封装,通过看两个库的源码可以看到的是chart.xkcd枚举了Line、Bar、Radar等图来绘制具有手绘效果的图像。cutecharts几个绘图接口和chart.xkcd的对应关系如下: cutecharts和xkcd的对应关系表 chart.xkcd还有一个StackedBar()用于绘制堆叠柱状图,目前cutecharts还没有StackedBar。从源码中能看到,chart.xkcd用到了d3-selection、d3-scale等d3.js的脚手架来做交互和DOM操纵(关于D3可视化后续公众号会更新6篇系列文章进行实践,目前有一篇概览性文章),同时为了实现手绘效果,在具体绘制柱状图等图表时,通过addFilter.js添加偏移量形成手绘线条的效果、通过xkcd字体来实现文本的手写效果。通过addAxis.js、addLegend.js等绘制坐标轴和文本。 总结 基于JavaScript库实现可视化,可以很好地实现交互、高亮等实用的功能,给可视化添色,Python作为一种胶水语言并且具有活跃的社区,将JavaScript可视化库变成Python可视化库也并不复杂,广泛应用的pyecharts就是基于echarts开发的,语法上cutecharts的写法和pyecharts一脉相承,理解了cutecharts的写法,对学习pyecharts也有帮助。 和pyecharts支持丰富的图表类型不同,受限于chart.xkcd本身只支持6种图(且连常用的条形图都不包含),cutecharts支持的图表也很少,只能满足常用的图表,组合图绘制也心有余而力不足,另外使用默认字体时中文文本没有漫画/手绘的效果,需要配置对应字体。 有任何建议欢迎留言交流。 相关阅读 可视化技能之Matplotlib(下)|可视化系列02 《使用D3设计交互式图表》简读笔记|可视化系列31 用可视化地图讲照片的故事(Python+Leaflet) References [1]cutecharts:https://github.com/chenjiandongx/cutecharts[2]chart.xkcd:https://github.com/timqian/chart.xkcd 本文分享自微信公众号 - 蛰虫始航(lyns_sailing)。如有侵权,请联系 support@oschina.cn 删除。本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

优秀的个人博客,低调大师

2026年多线攻坚的心流屏障:用视图化任务管理工具实现按需降噪

在海量信息交织与多项目并发的现代工作节奏中,许多开发者、科研团队和项目负责人经常掉入同一种“维度匮乏陷阱”:习惯于将所有的任务、需求和 Bug 塞进同一个死板的一维表格或单向清单里。随着项目推进,不仅很难从中理出关键优先级,管理者看不懂进度排期,执行者找不到核心细节,非技术协同人员更是像看“无字天区”一样门槛极高,最终陷入漫长的拉群沟通与效率内耗。

优秀的个人博客,低调大师

Hadoop手把手逐级搭建(4) Hadoop高可用+联邦+视图文件系统(HA+Federation+ViewFs)

前置步骤: 1). 第一阶段:Hadoop单机伪分布(single) 2). 第二阶段:Hadoop完全分布式(full) 3). 第三阶段:Hadoop高可用(HA) 第四阶段: Hadoop高可用+联邦(HA+Federation) 0. 步骤概述 1). 为高可用保存hadoop配置 2). 增加federation配置 3). 首次启动HA+Federation集群part1:启动journalnode和zookeeper,格式化zookeeper集群 4). 首次启动HA+Federation集群part2:格式化第一组的namenode,即hadoop1 5). 首次启动HA+Federation集群part3:格式化第一组的namenode,即hadoop3 6). 首次启动HA+Federation集群part4:启动ZKFC, datanode和yarn 7). 常规启动HA+Federation集群 8). 在HA+Federation集群上测试wordcount程序 9). 为HA+Federation(高可用+联邦)配置viewfs 10). 在HA+Federation+viewFs集群上测试wordcount程序 1. 为高可用保存hadoop配置 1.1 进入$HADOOP_HOME/etc/目录 [root@hadoop1 ~]# cd /opt/test/hadoop-2.6.5/etc 1.2 备份hadoop高可用配置,供以后使用 [root@hadoop1 etc]# cp -r hadoop/ hadoop-ha 1.3 查看$HADOOP_HOME/etc/目录,备份成功 [root@hadoop1 etc]# ls hadoop hadoop-full hadoop-ha # hadoop-full保留了已有配置,接下来高可用的配置继续在hadoop文件夹内修改 2. 增加federation配置 2.0 在hadoop1上进入$HADOOP_HOME/etc/hadoop目录 [root@hadoop1 ~]# cd /opt/test/hadoop-2.6.5/etc/hadoop 2.1 在hadoop1上修改hdfs-site.xml文件,将原有配置替换如下 [root@hadoop1 hadoop]# vim hdfs-site.xml <configuration> <property> <name>dfs.replication</name> <value>3</value> </property> <!--定义nameservices逻辑名称--> <property> <name>dfs.nameservices</name> <value>mycluster,mycluster2</value> </property> <!--映射nameservices逻辑名称到namenode逻辑名称--> <property> <name>dfs.ha.namenodes.mycluster</name> <value>nn1,nn2</value> </property> <property> <name>dfs.ha.namenodes.mycluster2</name> <value>nn3,nn4</value> </property> <!--映射namenode逻辑名称到真实主机名称(RPC) mycluster --> <property> <name>dfs.namenode.rpc-address.mycluster.nn1</name> <value>hadoop1:8020</value> </property> <property> <name>dfs.namenode.rpc-address.mycluster.nn2</name> <value>hadoop2:8020</value> </property> <!--映射namenode逻辑名称到真实主机名称(RPC) mycluster2 --> <property> <name>dfs.namenode.rpc-address.mycluster2.nn3</name> <value>hadoop3:8020</value> </property> <property> <name>dfs.namenode.rpc-address.mycluster2.nn4</name> <value>hadoop4:8020</value> </property> <!--映射namenode逻辑名称到真实主机名称(HTTP) mycluster--> <property> <name>dfs.namenode.http-address.mycluster.nn1</name> <value>hadoop1:50070</value> </property> <property> <name>dfs.namenode.http-address.mycluster.nn2</name> <value>hadoop2:50070</value> </property> <!--映射namenode逻辑名称到真实主机名称(HTTP) mycluster2--> <property> <name>dfs.namenode.http-address.mycluster2.nn3</name> <value>hadoop3:50070</value> </property> <property> <name>dfs.namenode.http-address.mycluster2.nn4</name> <value>hadoop4:50070</value> </property> <!--配置journalnode集群位置信息及目录--> <property> <name>dfs.namenode.shared.edits.dir</name> <value>qjournal://hadoop1:8485;hadoop2:8485;hadoop3:8485/mycluster</value> </property> <property> <name>dfs.journalnode.edits.dir</name> <value>/var/test/hadoop/fed/jn</value> </property> <!--配置故障切换实现类--> <property> <name>dfs.client.failover.proxy.provider.mycluster</name> <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value> </property> <property> <name>dfs.client.failover.proxy.provider.mycluster2</name> <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value> </property> <!--指定切换方式为SSH免密钥方式--> <property> <name>dfs.ha.fencing.methods</name> <value>sshfence</value> </property> <property> <name>dfs.ha.fencing.ssh.private-key-files</name> <value>/root/.ssh/id_dsa</value> </property> <!--设置自动切换--> <property> <name>dfs.ha.automatic-failover.enabled.mycluster</name> <value>true</value> </property> <property> <name>dfs.ha.automatic-failover.enabled.mycluster2</name> <value>true</value> </property> </configuration> 2.2 在hadoop1上修改core-site.xml文件,将原有配置替换如下 [root@hadoop1 hadoop]# vim core-site.xml <configuration> <property> <name>fs.defaultFS</name> <value>hdfs://mycluster</value> </property> <!--设置zookeeper数据存放目录--> <property> <name>hadoop.tmp.dir</name> <value>/var/test/hadoop/fed</value> </property> <!--设置zookeeper位置信息--> <property> <name>ha.zookeeper.quorum</name> <value>hadoop2:2181,hadoop3:2181,hadoop4:2181</value> </property> </configuration> 2.3 在hadoop1上操作,将更新后的hdfs-site.xml,core-site.xml分发到其他节点 [root@hadoop1 hadoop]# scp hdfs-site.xml core-site.xml hadoop2:`pwd` [root@hadoop1 hadoop]# scp hdfs-site.xml core-site.xml hadoop3:`pwd` [root@hadoop1 hadoop]# scp hdfs-site.xml core-site.xml hadoop4:`pwd` 2.4 修改hadoop3上的hdfs-site.xml和core-site.xml文件 2.4.1 进入$HADOOP_HOME/etc/hadoop目录 [root@hadoop3 ~]# cd /opt/test/hadoop-2.6.5/etc/hadoop 2.4.2 在hadoop3上修改hdfs-site.xml文件的dfs.namenode.shared.edits.dir属性 [root@hadoop3 hadoop]# vim hdfs-site.xml <!--配置journalnode集群位置信息及目录--> <property> <name>dfs.namenode.shared.edits.dir</name> <value>qjournal://hadoop1:8485;hadoop2:8485;hadoop3:8485/mycluster2</value> </property> 2.4.3 在haoop3上修改core-site.xml文件的fs.defaultFS属性 [root@hadoop3 hadoop]# vim core-site.xml <property> <name>fs.defaultFS</name> <value>hdfs://mycluster2</value> </property> 3. 首次启动HA+Federation集群part1:启动journalnode和zookeeper,格式化zookeeper集群 3.1 在hadoop1,hadoop2,hadoop3上启动journalnode [root@hadoop1 ~]# hadoop-daemon.sh start journalnode [root@hadoop2 ~]# hadoop-daemon.sh start journalnode [root@hadoop3 ~]# hadoop-daemon.sh start journalnode 3.1.1 hadoop1, hadoop2, hadoop3, hadoop4进程显示如下 [root@hadoop1 ~]# jps [root@hadoop2 ~]# jps [root@hadoop3 ~]# jps 1*** JournalNode 1*** Jps [root@hadoop3 ~]# jps jps 3.2 在hadoop2,hadoop3,hadoop4上分别启动zookeeper [root@hadoop2 ~]# zkServer.sh start [root@hadoop3 ~]# zkServer.sh start [root@hadoop4 ~]# zkServer.sh start 3.3 在hadoop1和hadoop3上格式化zookeeper [root@hadoop1 ~]# hdfs zkfc -formatZK [root@hadoop3 ~]# hdfs zkfc -formatZK 3.3.1 格式化zookeeper后在hadoop2,hadoop3,hadoop4查看zookeeper进程 [root@hadoop2 ~]# zkCli.sh [root@hadoop2 ~]# zkCli.sh [root@hadoop2 ~]# zkCli.sh Connecting to localhost:2181 [zk: localhost:2181(CONNECTED) 0] ls / [hadoop-ha, zookeeper] [zk: localhost:2181(CONNECTED) 1] ls /hadoop-ha [mycluster, mycluster2] [zk: localhost:2181(CONNECTED) 2] 4. 首次启动HA+Federation集群part2:格式化第一组的namenode,即hadoop1 4.1 在hadoop1上操作,指定clusterid格式化namenode, 4.1.1 命令 hadoop namenode -format -clusterid ${CLUSTER_ID} ${CLUSTER_ID}为自行指定的clusterID,本例中使用cluster1 4.1.2 执行命令 [root@hadoop1 ~]# hadoop namenode -format -clusterid cluster1 4.2 格式化完成后在hadoop1上启动namenode [root@hadoop1 ~]# hadoop-daemon.sh start namenode starting namenode, logging to /opt/test/hadoop-2.6.5/logs/hadoop-root-namenode-hadoop1.out 4.3 hadoop1进程显示如下 [root@hadoop1 ~]# jps **** Jps **** JournalNode **** NameNode 4.4 在hadoop2,即另一台namenode上同步hadoop1的CID等信息 [root@hadoop2 ~]# hdfs namenode -bootstrapStandby 4.5 在备用namenode,即hadoop2上启动namenode [root@hadoop2 ~]# hadoop-daemon.sh start namenode 4.5.1 在hadoop2上查看进程 [root@hadoop2 ~]# jps 1406 JournalNode 1476 QuorumPeerMain 1710 NameNode 1791 Jps 5. 首次启动HA+Federation集群part3:格式化第一组的namenode,即hadoop3 #备注:步骤4和步骤5除操作的虚拟机不同,过程完全相同 5.1 在hadoop3上操作,指定clusterid格式化namenode, [root@hadoop3 ~]# hadoop namenode -format -clusterid cluster1 5.2 格式化完成后在hadoop3上启动namenode [root@hadoop3 ~]# hadoop-daemon.sh start namenode starting namenode, logging to /opt/test/hadoop-2.6.5/logs/hadoop-root-namenode-hadoop3.out 5.3 hadoop3进程显示如下 [root@hadoop3 ~]# jps **** Jps **** JournalNode **** NameNode 5.4 在hadoop4,即该组另一台namenode上同步hadoop3的CID等信息 [root@hadoop4 ~]# hdfs namenode -bootstrapStandby 5.5 在备用namenode上启动namenode [root@hadoop4 ~]# hadoop-daemon.sh start namenode 5.5.1 在hadoop4上查看进程 [root@hadoop4 ~]# jps 1407 QuorumPeerMain 1615 NameNode 1696 Jps 6. 首次启动HA+Federation集群part4:启动ZKFC, datanode和yarn 6.1 启动zkfc 6.1.1 在hadoop1,hadoop2,hadoop3,hadoop4上启动zkfc [root@hadoop1 ~]# hadoop-daemon.sh start zkfc [root@hadoop2 ~]# hadoop-daemon.sh start zkfc [root@hadoop3 ~]# hadoop-daemon.sh start zkfc [root@hadoop4 ~]# hadoop-daemon.sh start zkfc starting zkfc, logging to /opt/test/hadoop-2.6.5/logs/hadoop-root-zkfc-hadoop*.out 6.1.2 启动zkfc后在hadoop2,hadoop3,hadoop4查看已有进程 [root@hadoop1 ~]# jps 1404 JournalNode 1727 DFSZKFailoverController 1601 NameNode 1794 Jps [root@hadoop2 ~]# jps 1668 Jps 1406 JournalNode 1476 QuorumPeerMain 1623 DFSZKFailoverController [root@hadoop3 ~]# jps 1836 Jps 1404 JournalNode 1474 QuorumPeerMain 1664 NameNode 1769 DFSZKFailoverController [root@hadoop4 ~]# jps 1407 QuorumPeerMain 1546 DFSZKFailoverController 1591 Jps 6.2 启动datanode 6.2.1 在active的namenode上启动datanode [root@hadoop1 ~]# hadoop-daemons.sh start datanode # 因为hadoop1已经启动了所有datanode,不用在hadoop3上重复启动 6.2.2 启动datanode后查看hadoop1,hadoop2,hadoop3,hadoop4进程 [root@hadoop1 ~]# jps 1404 JournalNode 1885 Jps 1727 DFSZKFailoverController 1601 NameNode [root@hadoop2 ~]# jps 1406 JournalNode 1476 QuorumPeerMain 2007 Jps 1710 NameNode 1911 DataNode 1623 DFSZKFailoverController [root@hadoop3 ~]# jps 1404 JournalNode 1991 Jps 1474 QuorumPeerMain 1664 NameNode 1904 DataNode 1769 DFSZKFailoverController [root@hadoop4 ~]# jps 1407 QuorumPeerMain 1546 DFSZKFailoverController 1615 NameNode 1811 DataNode 1908 Jps 6.3 启动yarn 6.3.1 在hadoop1上启动yarn [root@hadoop1 ~]# start-yarn.sh 6.3.2 启动yarn后查看hadoop1, hadoop2, hadoop3, hadoop4进程 [root@hadoop1 ~]# jps 1404 JournalNode 1727 DFSZKFailoverController 1601 NameNode 1947 ResourceManager 2199 Jps [root@hadoop2 ~]# jps 1406 JournalNode 1476 QuorumPeerMain 2114 Jps 1710 NameNode 1911 DataNode 1623 DFSZKFailoverController 2078 NodeManager [root@hadoop3 ~]# jps 1404 JournalNode 2035 NodeManager 2068 Jps 1474 QuorumPeerMain 1664 NameNode 1904 DataNode 1769 DFSZKFailoverController [root@hadoop4 ~]# jps 1407 QuorumPeerMain 2035 Jps 1546 DFSZKFailoverController 1970 NodeManager 1615 NameNode 1811 DataNode 6.4 通过web查看集群运行状态, http://192.168.111.211:50070/dfshealth.html#tab-overview 'hadoop1:8020' (active) http://192.168.111.212:50070/dfshealth.html#tab-overview 'hadoop1:8020' (standby) http://192.168.111.213:50070/dfshealth.html#tab-overview 'hadoop1:8020' (active) http://192.168.111.214:50070/dfshealth.html#tab-overview 'hadoop1:8020' (standby) 7. 常规启动HA+Federation集群 7.1 在hadoop2, hadoop3, hadoop4上启动zookeeper [root@hadoop2 ~]# zkServer.sh start [root@hadoop3 ~]# zkServer.sh start [root@hadoop4 ~]# zkServer.sh start JMX enabled by default Using config: /opt/test/zookeeper-3.4.6/bin/../conf/zoo.cfg Starting zookeeper ... STARTED 7.1.1 在hadoop2, hadoop3, hadoop4上查看进程 [root@hadoop2 ~]# jps [root@hadoop3 ~]# jps [root@hadoop4 ~]# jps 2*** Jps 2*** QuorumPeerMain 7.2 在hadoop1上执行start-dfs.sh [root@hadoop1 ~]# start-dfs.sh Starting namenodes on [hadoop1 hadoop2 hadoop3 hadoop4] hadoop*: starting namenode, logging to /opt/test/hadoop-2.6.5/logs/hadoop-root-namenode-hadoop*.out hadoop*: starting datanode, logging to /opt/test/hadoop-2.6.5/logs/hadoop-root-datanode-hadoop*.out Starting journal nodes [hadoop1 hadoop2 hadoop3] Hadoop*: starting journalnode, logging to /opt/test/hadoop-2.6.5/logs/hadoop-root-journalnode-hadoop*.out 7.2.1 在hadoop1, hadoop2, hadoop3, hadoop4上查看进程 [root@hadoop1 mapreduce]# jps 3243 Jps 2926 NameNode 3121 JournalNode [root@hadoop2 ~]# jps 2565 Jps 2240 QuorumPeerMain 2305 NameNode 2462 JournalNode 2371 DataNode [root@hadoop3 ~]# jps 3095 Jps 2767 QuorumPeerMain 2832 NameNode 2989 JournalNode 2901 DataNode [root@hadoop4 ~]# jps 2389 Jps 2133 QuorumPeerMain 2204 NameNode 2270 DataNode 7.3 在hadoop1上启动yarn [root@hadoop1 ~]# start-yarn.sh starting yarn daemons starting resourcemanager, logging to /opt/test/hadoop-2.6.5/logs/yarn-root-resourcemanager-hadoop1.out hadoop*: starting nodemanager, logging to /opt/test/hadoop-2.6.5/logs/yarn-root-nodemanager-hadoop*.out 7.3.1 在hadoop1,hadoop2,hadoop3,hadoop4上查看进程 [root@hadoop1 mapreduce]# jps 3588 Jps 2926 NameNode 3121 JournalNode 3313 ResourceManager [root@hadoop2 ~]# jps 2773 Jps 2240 QuorumPeerMain 2305 NameNode 2462 JournalNode 2371 DataNode 2626 NodeManager [root@hadoop3 ~]# jps 3308 Jps 2767 QuorumPeerMain 2832 NameNode 2989 JournalNode 2901 DataNode 3155 NodeManager [root@hadoop4 ~]# jps 2598 Jps 2133 QuorumPeerMain 2204 NameNode 2270 DataNode 2451 NodeManager 7.4 在hadoop1,hadoop2,hadoop3,hadoop4上启动zkfc [root@hadoop1 ~]# hadoop-daemon.sh start zkfc [root@hadoop2 ~]# hadoop-daemon.sh start zkfc [root@hadoop3 ~]# hadoop-daemon.sh start zkfc [root@hadoop4 ~]# hadoop-daemon.sh start zkfc starting zkfc, logging to /opt/test/hadoop-2.6.5/logs/hadoop-root-zkfc-hadoop*.out 7.4.1 在hadoop1,hadoop2,hadoop3,hadoop4上查看进程 [root@hadoop1 mapreduce]# jps 3588 Jps 2926 NameNode 3121 JournalNode 3313 ResourceManager 3641 DFSZKFailoverController [root@hadoop2 ~]# jps 2773 Jps 2240 QuorumPeerMain 2305 NameNode 2462 JournalNode 2371 DataNode 2626 NodeManager 2826 DFSZKFailoverController [root@hadoop3 ~]# jps 3308 Jps 2767 QuorumPeerMain 2832 NameNode 2989 JournalNode 2901 DataNode 3155 NodeManager 3362 DFSZKFailoverController [root@hadoop4 ~]# jps 2598 Jps 2133 QuorumPeerMain 2204 NameNode 2270 DataNode 2451 NodeManager 2651 DFSZKFailoverController 7.5 通过web查看集群运行状态, http://192.168.111.211:50070/dfshealth.html#tab-overview 'hadoop1:8020' (active) http://192.168.111.212:50070/dfshealth.html#tab-overview 'hadoop1:8020' (standby) http://192.168.111.213:50070/dfshealth.html#tab-overview 'hadoop1:8020' (active) http://192.168.111.214:50070/dfshealth.html#tab-overview 'hadoop1:8020' (standby) 8. 在HA+Federation集群上测试wordcount程序 8.1 从hadoop1或hadoop3进入$HADOOP_HOME/share/hadoop/mapreduce/目录,本例选择hadoop1 [root@hadoop1 ~]# cd /opt/test/hadoop-2.6.5/share/hadoop/mapreduce/ 8.2 上传test.txt文件到根目录 8.2.1 默认上传 [root@hadoop1 mapreduce]# hadoop fs -put test.txt / 8.2.2 也可以指定blocksize [root@hadoop1 mapreduce]# hdfs dfs -D dfs.blocksize=1048576 -put test.txt / 8.3 运行wordcount测试程序,输出到/output [root@hadoop1 mapreduce]# hadoop jar hadoop-mapreduce-examples-2.6.5.jar wordcount /test.txt /output #运行时会首先看到如下信息 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:8032 8.4 查看mapreduce运行结果 [root@hadoop1 mapreduce]# hadoop dfs -text /output/part-* hello 100003 world 200002 “hello 100000 9. 为HA+Federation(高可用+联邦)配置viewfs 9.1 进入$HADOOP_HOME/etc/hadoop目录 [root@hadoop1 ~]# cd /opt/test/hadoop-2.6.5/etc/hadoop 9.2 在hadoop1上修改core-site.xml文件,将原有配置替换如下 [root@hadoop1 hadoop]# vim core-site.xml <configuration xmlns:xi="http://www.w3.org/2001/XInclude"> <!--cmt.xml前使用绝对路径--> <xi:include href="/opt/test/hadoop-2.6.5/etc/hadoop/cmt.xml" /> <property> <name>fs.default.name</name> <value>viewfs://clusterX</value> </property> <!--设置zookeeper数据存放目录--> <property> <name>hadoop.tmp.dir</name> <value>/var/test/hadoop/fed</value> </property> <!--设置zookeeper位置信息--> <property> <name>ha.zookeeper.quorum</name> <value>hadoop2:2181,hadoop3:2181,hadoop4:2181</value> </property> </configuration> 9.3 在hadoop1的/opt/test/hadoop-2.6.5/etc/hadoop目录下新增cmt.xml文件 [root@hadoop1 hadoop]# vim cmt.xml <configuration> <property> <name>fs.viewfs.mounttable.clusterX.link./ns1</name> <value>hdfs://mycluster</value> </property> <property> <name>fs.viewfs.mounttable.clusterX.link./ns2</name> <value>hdfs://mycluster2</value> </property> <property> <!-- 指定 /tmp 目录,许多依赖hdfs的组件可能会用到此目录 --> <name>fs.viewfs.mounttable.clusterX.link./tmp</name> <value>hdfs://mycluster/tmp</value> </property> </configuration> 10. 在HA+Federation+viewFs集群上测试wordcount程序 10.1 从hadoop1或hadoop3进入$HADOOP_HOME/share/hadoop/mapreduce/目录,本例选择hadoop1 [root@hadoop1 ~]# cd /opt/test/hadoop-2.6.5/share/hadoop/mapreduce/ 10.2上传test.txt文件到根目录 10.2.1 默认上传 [root@hadoop1 mapreduce]# hadoop fs -put test.txt / 10.2.2 也可以指定blocksize [root@hadoop1 mapreduce]# hdfs dfs -D dfs.blocksize=1048576 -put test.txt / 10.3 运行wordcount测试程序,输出到/output [root@hadoop1 mapreduce]# hadoop jar hadoop-mapreduce-examples-2.6.5.jar wordcount /ns1/test.txt /ns1/output # 运行时会首先看到如下信息 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:8032 10.4 查看mapreduce运行结果 [root@hadoop1 mapreduce]# hadoop dfs -text /ns1/output/part-* hello 100003 world 200002 “hello 100000 参考建议 a). 《HDFS Federation和NameNode HA的搭建》 1. 整个集群,4个虚拟机hadoop1,haoop2,hadoop3,hadoop4共用一个clusterID; 2. 保证两个NameService可以共享所有的DataNodes; 否则两个NameService在format之后,生成的clusterid不一致,DataNode会随机注册到不同的NameNode上 b). 《HDFS Federation机制》 1. 新建Hadoop集群的时候,最好使用同一个cluster Id来format,以后要归并入同一个集群也会很容易 2. 管理多套独立的集群与HDFS Federation模式下的集群不同 2.1 在HDFS Federation下,可以统一进行节点的下线,上线,Balance等操作,完全就是在一个集群内的运维操作; 2.2 对于多套独立的集群,这意味着重复操作 2.3 对于HDFS Federation引入的多nameservice,会让客户端程序维护多个nameservice,以及这些对应namespace所存储的具体文件目录 2.4 namespace多了,一个优化的做法是用viewFs来解决 2.5 在客户端配置上增加一个mount table.让客户端访问的是一个逻辑意义上的file system,无须更改目标指向的file system. 2.6 这样可以同时应用HDFS Federation和viewFs的优势 c). hadoop HA+Federation(高可用联邦)模式搭建指南 d). Hadoop 2.0 NameNode HA和Federation实践 e). HDFS Federation客户端(viewfs)配置攻略

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册